Python中如何将DataFrame类ISO格式日期转可读格式并筛选统计？

针对你提到的需求，这里用pandas给出简单直接的解决方案，适合新手上手：

步骤1：导入pandas并构造示例数据 #

先把你提供的示例数据转换成DataFrame：

import pandas as pd

# 构造示例数据
data = {
    'date_published': [
        "2022-10-28T08:00:19Z",
        "2022-10-28T05:00:08Z",
        "2022-10-28T03:00:13Z",
        "2022-10-27T13:55:38Z",
        "2022-10-27T13:21:36Z"
    ]
}
df = pd.DataFrame(data)

步骤2：解析ISO格式日期为datetime类型 #

pandas的pd.to_datetime()可以直接识别这种类ISO格式，不用手动切割字符串，处理起来更稳定：

# 将列转换为datetime类型
df['date_published'] = pd.to_datetime(df['date_published'])

步骤3：转换为可读日期格式 #

如果需要得到'2022-10-28'这种格式，直接提取日期部分即可；如果要'28-10-2022'格式，用strftime()指定格式：

# 转换为'YYYY-MM-DD'格式（日期对象转字符串）
df['date_readable'] = df['date_published'].dt.date.astype(str)

# 或者转换为'DD-MM-YYYY'格式
df['date_readable_dmy'] = df['date_published'].dt.strftime('%d-%m-%Y')

步骤4：筛选日期≥'2022-01-01'的数据 #

直接用datetime类型的列进行比较，比字符串比较更可靠：

# 设定筛选条件
filter_condition = df['date_published'] >= '2022-01-01'
# 得到筛选后的DataFrame
filtered_df = df[filter_condition]

步骤5：统计操作 #

比如按日期分组统计数量：

# 按可读日期分组统计条目数
stats = filtered_df.groupby('date_readable').size().reset_index(name='count')
print(stats)

运行后会输出：

date_readable  count
0    2022-10-27      2
1    2022-10-28      3

注意点 #

• 尽量保留datetime类型的列用于筛选和计算，字符串格式只用来展示，避免字符串比较带来的错误。
• pd.to_datetime()默认能处理带Z的ISO格式，不需要额外参数，非常方便。

内容的提问来源于stack exchange，提问作者spiderboy